pyList

用python 实现中文与html实体相互转换

🕛 2014-12-16 23:27

一些网页会把中文转为html实体，做爬虫时就需要把html实体转换为中文，下面介绍使用python 对它们作相互转换。

用python 实现中文与html实体相互转换

html 实体

python & #20013;& #25991;& #21644;html & #23454;& #20307;& #30456;& #20114;& #36716;& #25442;

相互转换

把html 实体和中文互转：

import re

s = 'python 中文和html 实体相互转换'
# s = 'python & #20013;& #25991;& #21644;html & #23454;& #20307;& #30456;& #20114;& #36716;& #25442;'
print s

def convert_callback(matches):
    char_id = matches.group(1)
    try:
        return unichr(int(char_id))
    except:
        return char_id

s2 = re.sub("&#(\d+)(;|(?=\s))", convert_callback, s)

print s2

# print s2.decode('utf-8').encode('ascii','xmlcharrefreplace')
print s2.encode('ascii','xmlcharrefreplace')

输出

python & #20013;& #25991;& #21644;html & #23454;& #20307;& #30456;& #20114;& #36716;& #25442;
python 中文和html 实体相互转换
python & #20013;& #25991;& #21644;html & 23454;& #20307;& #30456;& #20114;& #36716;& #25442;
本文标签： python html 中文 实体 转换
本文网址: https://pylist.com/t/1418743651 （转载注明出处）
如果你有任何建议或疑问可以在下面 留言
发表第一条评论！
验证码图片
相关推荐

标签

python 转码 链接 中文 安全 json unicode 性能 全角 半角 转换 相互 print 终端 正确 格式 常见 时间 字符串 分割 英文 os popen 超时 解决 sae mail gmail 发送 命令行 参数 处理 一次方程 一元 代码 简单 qq 时隔多年 网页 登录 访问速度 vps bbr 开启 加速 文本 正文 提取 新闻 sublime 换行 替换 变砖 arris ac1750 sbr 路由 互转 简体 繁体 golang opencc 预览 js 原生 图片 选择 修砖记 ubnt er tftp openwrt webview file android input 上传 fonts css html 一键 国内 pytenjin 缓存 片段 页面 md5 文件 计算 left space device no gzip utf gbk big5 ubuntu socks5 代理 依赖 安装 使用 简析 await async 场景 adblock 攻守 全屏 浏览器 方法 实现 脚本 制作 程序 启动

最近发表

最近浏览